行业与公司 * 涉及的行业为科技、媒体与电信（TMT），具体聚焦于人工智能（AI）及其相关的基础设施建设、融资、软件和生命科学应用[1] * 会议参与者来自投资银行（摩根士丹利）的研究部门，包括主题与股票策略师、固定收益及股票分析师[1] 核心观点与论据：AI基础设施融资 * **融资需求规模**：未来四年全球数据中心资本支出需求达3万亿美元[1] * **资金来源结构**：优质超大规模企业的运营现金流可覆盖约一半的资金需求，剩余缺口依赖固定收益市场填补[1] * **固定收益市场角色**：私募信贷是主力，企业信贷和证券化信贷（ABS/CMBS）也将提供支持[1][2] * **融资工具演进**：私募信贷从传统直接贷款（1.0）演进至以资产支持融资（ABF）为主的2.0版本，并出现以芯片或算力合同为抵押的创新融资方案[2] * **关键成本驱动**：对于千兆瓦级数据中心，芯片成本占总支出的50%以上，芯片融资将是2026年的重点方向[2] * **企业融资策略**：超大规模企业采用分拆策略，未来2到5年内将有超过6000亿美元的未启动租赁义务生效，同时今年还需约7000亿美元的现金资本支出[4] * **融资渠道多样性**：市场存在资产层面融资、公开发行债券、股权融资等多种渠道[5] * **关键影响因素**：租户质量对建筑融资至关重要，影响交易定价和市场深度[5] 核心观点与论据：AI的颠覆性风险与抗冲击资产 * **核心风险**：强大AI的普及可能导致多个行业出现价格下降和通缩[6] * **抗通缩资产逻辑**：无法被AI通缩的资产，其相对价值会上升[6] * **抗冲击资产类别清单**： * **土地与房地产**：需谨慎选择，工业地产投资信托基金（REITs）和高端房地产更具潜力[6] * **基础设施**：各类基础设施应具备较强抗风险能力[7] * **关键材料与金属**：供应量有限，将在此环境下表现优异[6][7] * **算力**：当基础设施资源有限时，最优算力将成为核心资产[7] * **智慧提供者**：包括高端奢侈品、独特的人类体验和原创内容[7] * **生命科学**：AI在改善健康结果、精准诊断和分布式医疗工具方面展现巨大潜力，被视为最令人兴奋的领域之一[10] 核心观点与论据：软件行业现状与展望 * **当前估值与市场情绪**：软件企业的企业价值/销售额倍数自去年秋季以来已下跌30%至35%，很多股票过去一年跌幅达60%至70%[8] * **估值水平**：当前约4倍销售额的估值水平，回到了约10年前向云转型的恐慌时期，反映了极度的不确定性和终值风险[8] * **主要风险**：市场竞争风险（新老玩家及内部部署模式）、商业模式风险（从基于席位转向基于使用量或混合模式）、利润率风险（更高的投入成本和资本密集度）[8] * **老牌软件公司的护城河**：企业级产品、信任、安全、治理、IT组织认可、Vibe编码理念、专有数据模式、网络效应及现有客户关系[9] * **行业前景**：正处于拐点和加速期，更多企业采用AI技术的临界点即将到来，有助于重新评估软件行业[11][12] 其他重要内容 * **新型云服务模式**：GPU即服务（GPU as a Service）的商业模式以及相关创新融资方式正在发展[5] * **信贷支持趋势**：部分高评级投资级企业可能为生态系统内的建设融资提供信贷支持或兜底支持[5] * **固定收益市场机会**：当前信贷领域出现了许多有趣的结构，对固定收益投资者而言是令人兴奋的时期[14]